论文部分内容阅读
针对k阶近邻法分类时对样本的潜在结构信息未加利用这一缺陷,扩展k阶近邻法采用模式发现算法获取样本的空间分布知识,以获得的知识取代原始样本实现未知样本的分类.算法有效剔除了不利于分类的干扰样本,提高了分类精度和速度.在基于稳态运行信息的暂态稳定评估算法中,应用扩展k阶近邻法,实现了各种方式下稳定水平的正确判别.仿真结果验证了算法的有效性.算法作为一种通用的知识获取工具有广泛的应用前景.